상세 보기
DenseFuse 기반의 광대역 영상 합성 학습을 위한효과적인 데이터 분류 및 가중치 학습 모델
Effective Data Classification and Weighted Learning Model for Wideband Image Synthesis Training Based on DenseFuse
- 임찬기;
- 손동민;
- 권혁주;
- 이성학
초록
본 논문은 기존의 다해상도 기반 가시광 및 근적외선 영상 합성 방법의 느린 처리 속도를 개선하기 위해 합성곱 신경망 기반 영상 합성 방법 중 하나인 DenseFuse를 활용하여 빠르게 합성하는 기법을 제시한다. 제안 방법은 효과적인 학습을 위해 래스터 스캔 방식의 알고리즘을 적용하여 가시광선 및 근적외선 데이터셋을 확보하고 휘도값과 분산값을 이용한 데이터셋 분류 방법을 제시한다. 또한, 합성 레이어에서 가중치 학습을 통한 효과적인 특징맵 합성 방법을 제시하였다. 제안 방법은 다해상도 기반 영상 합성 방법으로서 우수한 영상 합성 결과를 보였고 기존의 학습기반 영상 합성방법보다 가시성이 우수한 결과영상을 나타내었다. 제안 방법은 목표영상 생성에 사용된 다해상도 기반 영상 합성방법과 비교하여 처리시간을 1/3 이하로 단축시킴으로써 처리속도에서 강점을 보인다.
키워드
image fusion; deep learning; supervised learning; infrared image; visible image
- 제목
- DenseFuse 기반의 광대역 영상 합성 학습을 위한효과적인 데이터 분류 및 가중치 학습 모델
- 제목 (타언어)
- Effective Data Classification and Weighted Learning Model for Wideband Image Synthesis Training Based on DenseFuse
- 저자
- 임찬기; 손동민; 권혁주; 이성학
- 발행일
- 2022-07
- 유형
- Y
- 저널명
- 한국정보기술학회논문지
- 권
- 20
- 호
- 7
- 페이지
- 1 ~ 10
- 언어
- KOR
- 출판사
- 한국정보기술학회
- 발행국가
- 대한민국
- 분량
- 10 페이지
- ISSN
- E 2093-7571
P 1598-8619